Explore

Feature Engineering en Español

Approx. 18 hours to complete

Save Course

Go to Course

Course Summary

This course teaches the techniques and tools used to create new features from raw data for machine learning models. Students will learn to identify relevant data, preprocess and transform it, and engineer new features to improve model performance.

Key Learning Points

Learn the process of feature engineering from raw data to improved model performance
Understand various techniques for preprocessing and transforming data
Gain experience in creating new features using domain knowledge and automation tools

Learning Outcomes

Ability to identify relevant data and preprocess it for use in machine learning models
Experience in creating new features using domain knowledge and automation tools
Understanding of techniques for evaluating feature importance and selecting the best features for model performance

Prerequisites or good to have knowledge before taking this course

Basic knowledge of statistics and machine learning
Familiarity with Python programming language

Course Difficulty Level

Intermediate

Course Format

Online
Self-paced
Video lectures
Interactive quizzes

Similar Courses

Applied Data Science: Feature Engineering
Data Science: Feature Engineering in Python
Feature Engineering for Machine Learning

Related Education Paths

Notable People in This Field

Max Kelsen
Kaggle
Data Science Central

Related Books

Description

¿Quiere saber cómo mejorar la exactitud de los modelos de AA?, ¿cómo puede averiguar qué columnas de datos crean los atributos más útiles? Le damos la bienvenida a Feature Engineering, donde analizaremos los atributos buenos y los malos, y cómo los puede preprocesar y transformar para aprovecharlos al máximo en sus modelos.

Outline

Introducción al curso
Introducción al curso
Primeros pasos con Google Cloud Platform y Qwiklabs

De datos sin procesar a atributos
Descripción general de la ingeniería de atributos
Desde los datos sin procesar hasta los atributos
Atributos buenos y atributos malos
Atributos conocidos en el momento de la predicción
Los atributos deben ser numéricos
Los atributos deben tener suficientes ejemplos
Incorporación de percepciones humanas
Representación de atributos
AA y estadísticas
Introducción al lab: Ingeniería de atributos básica en BQML
Introducción al lab: Ingeniería de atributos básica en Keras
Recursos
De datos sin procesar a atributos y Atributos buenos y atributos malos
Momento de la predicción, atributos numéricos, suficientes ejemplos, percepciones humanas
Preguntas sobre la representación de atributos
Ingeniería de atributos

Preprocesamiento y creación de atributos
Beam y Dataflow
Introducción al lab: Canalización simple de Dataflow
Solución del lab: Canalización simple de Dataflow
Canalizaciones de datos que escalan
Introducción al lab: MapReduce en Dataflow
Solución del lab: MapReduce en Dataflow
Procesamiento previo con Cloud Dataprep
Introducción al lab: Cómo procesar atributos con ventanas de tiempo en Cloud Dataprep
Solución del lab: Cómo procesar atributos con ventanas de tiempo en Cloud Dataprep
Recursos
Apache Beam y Cloud Dataflow
Preprocesamiento con Cloud Dataprep

Combinaciones de atributos
Introducción a las combinaciones de atributos
¿Qué es una combinación de atributos?
Discretización
Memorización y generalización
Colores de taxis
Introducción al lab: Combinaciones de atributos para crear un buen clasificador
Solución del lab: Combinaciones de atributos para crear un buen clasificador
Dispersión y test
Introducción al lab: Algo bueno en exceso
Solución del lab: Algo bueno en exceso
Implementación de combinaciones de atributos
Incorporación de combinaciones de atributos
Creación de atributos en TensorFlow
Creación de atributos en Dataflow
Introducción al lab: Mejore los modelos de AA con la ingeniería de atributos
Solución del lab: Informe de equidad del AA
Introducción al lab: Ingeniería de atributos avanzada en BQML
Introducción al lab: Ingeniería de atributos avanzada en Keras
Recursos
Combinaciones de atributos
Cuestionario del módulo

TensorFlow Transform
Introducción a TensorFlow Transform
TensorFlow Transform
Fase de análisis
Fase de transformación
Asistencia para la entrega
Introducción al lab: Cómo explorar tf.Transform
Recursos
tf.transform

Resumen
Resumen
Recursos: Lecturas recopiladas en archivos PDF
Todas las preguntas del cuestionario en un archivo PDF
Diapositivas del curso
Cuestionario del curso

Summary of User Reviews

Discover the art of Feature Engineering with Coursera's course! Students rave about this course's in-depth exploration of the subject and engaging presentation style. Many agree that the course offers practical knowledge and is well-structured for beginners and experts alike.

Key Aspect Users Liked About This Course

Practical knowledge

Pros from User Reviews

Great course for beginners and experts
Engaging presentation style
In-depth exploration of the subject
Well-structured content
Practical knowledge

Cons from User Reviews

Some concepts may be challenging to understand without prior knowledge
Some quizzes may be too difficult for beginners
The course may be too brief for some users' needs
Some users may prefer a more hands-on approach to learning
The course may be too theoretical for some users' preferences

Recommended for you

Audio Engineering Fundamentals

Understand how sound systems work, their connections and components You can learn the basic concepts of Audio Engineering and Sound Systems in this course!...

Save Course